5 第五章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型專門問(wèn)題

1、第五章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專門問(wèn)題,§5.1 虛擬變量 §5.2 滯后變量 §5.3 設(shè)定誤差 §5.4 建模理論,§5.1 虛擬變量模型,一、虛擬變量的基本含義 二、虛擬變量的引入 三、虛擬變量的設(shè)置原則,一、虛擬變量的基本含義,許多經(jīng)濟(jì)變量是可以定量度量的，如：商品需求量、價(jià)格、收入、產(chǎn)量

2、等但也有一些影響經(jīng)濟(jì)變量的因素?zé)o法定量度量，如：職業(yè)、性別對(duì)收入的影響，戰(zhàn)爭(zhēng)、自然災(zāi)害對(duì)GDP的影響，季節(jié)對(duì)某些產(chǎn)品（如冷飲）銷售的影響等等。為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將它們“量化”，,這種“量化”通常是通過(guò)引入“虛擬變量”來(lái)完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量（dummy variables），記為D。,例如，反映文程度的虛擬變量可取為：

3、 1， 本科學(xué)歷 D= 0， 非本科學(xué)歷,,一般地，在虛擬變量的設(shè)置中： 基礎(chǔ)類型、肯定類型取值為1； 比較類型，否定類型取值為0。,概念：,同時(shí)含有一般解釋變量與虛擬變量的模型稱為虛擬變量模型或者方差分析（analysis-of variance: ANOVA）模型。 一個(gè)以性別為虛擬變量考察企業(yè)職工薪金的模型：,其中：Yi為企業(yè)職工的薪金，Xi為工齡，

4、 Di=1，若是男性，Di=0，若是女性。,二、虛擬變量的引入,虛擬變量做為解釋變量引入模型有兩種基本方式：加法方式和乘法方式。,企業(yè)男職工的平均薪金為：,上述企業(yè)職工薪金模型中性別虛擬變量的引入采取了加法方式。 在該模型中，如果仍假定E(?i)=0，則 企業(yè)女職工的平均薪金為：,1、加法方式,幾何意義：,假定?2>0，則兩個(gè)函數(shù)有相同的斜率，但有不同的截距。意即，男女職工平均薪金

5、對(duì)教齡的變化率是一樣的，但兩者的平均薪金水平相差?2?？梢酝ㄟ^(guò)傳統(tǒng)的回歸檢驗(yàn)，對(duì)?2的統(tǒng)計(jì)顯著性進(jìn)行檢驗(yàn)，以判斷企業(yè)男女職工的平均薪金水平是否有顯著差異。,,?0,,?2,又例：在橫截面數(shù)據(jù)基礎(chǔ)上，考慮個(gè)人保健支出對(duì)個(gè)人收入和教育水平的回歸。,教育水平考慮三個(gè)層次：高中以下， 高中，

6、 大學(xué)及其以上,模型可設(shè)定如下：,這時(shí)需要引入兩個(gè)虛擬變量：,在E(?i)=0 的初始假定下，高中以下、高中、大學(xué)及其以上教育水平下個(gè)人保健支出的函數(shù)：,高中以下：,高中：,大學(xué)及其以上：,假定?3>?2，其幾何意義：,還可將多個(gè)虛擬變量引入模型中以考察多種“定性”因素的影響。,如在上述職工薪金的例中，再引入代表學(xué)歷的虛擬變量D2：,本科及以上學(xué)歷本科以下學(xué)歷,職工薪金的回歸模型可設(shè)計(jì)為：,

7、女職工本科以下學(xué)歷的平均薪金：,女職工本科以上學(xué)歷的平均薪金：,于是，不同性別、不同學(xué)歷職工的平均薪金分別為：,男職工本科以下學(xué)歷的平均薪金：,男職工本科以上學(xué)歷的平均薪金：,2、乘法方式,加法方式引入虛擬變量，考察：截距的不同，許多情況下：往往是斜率就有變化，或斜率、截距同時(shí)發(fā)生變化。斜率的變化可通過(guò)以乘法的方式引入虛擬變量來(lái)測(cè)度。,例：根據(jù)消費(fèi)理論，消費(fèi)水平C主要取決于收入水平Y(jié)，但在一個(gè)較長(zhǎng)的時(shí)期，人們的消費(fèi)傾向會(huì)發(fā)生變化，尤

8、其是在自然災(zāi)害、戰(zhàn)爭(zhēng)等反常年份，消費(fèi)傾向往往出現(xiàn)變化。這種消費(fèi)傾向的變化可通過(guò)在收入的系數(shù)中引入虛擬變量來(lái)考察。,這里，虛擬變量D以與X相乘的方式引入了模型中，從而可用來(lái)考察消費(fèi)傾向的變化。假定E(?i)= 0，上述模型所表示的函數(shù)可化為：,正常年份：,反常年份：,如，設(shè),消費(fèi)模型可建立如下：,當(dāng)截距與斜率發(fā)生變化時(shí)，則需要同時(shí)引入加法與乘法形式的虛擬變量。,例5.1.1，考察1990年前后的中國(guó)居民的總儲(chǔ)蓄-收入關(guān)系是否已發(fā)生變化。

9、 表5.1.1中給出了中國(guó)1979~2001年以城鄉(xiāng)儲(chǔ)蓄存款余額代表的居民儲(chǔ)蓄以及以GNP代表的居民收入的數(shù)據(jù)。,以Y為儲(chǔ)蓄，X為收入，可令：,1990年前： Yi=?1+?2Xi+?1i i=1,2…,n1 1990年后： Yi=?1+?2Xi+?2i i=1,2…,n2 則有可能出現(xiàn)下述四種情況中的一種：(1) ?1=?1 ，且?2=?2 ，即兩個(gè)回歸相同

10、，稱為重合回歸（Coincident Regressions）；(2) ?1??1 ,但?2=?2 ，即兩個(gè)回歸的差異僅在其截距，稱為平行回歸（Parallel Regressions）;(3) ?1=?1 ，但?2??2 ，即兩個(gè)回歸的差異僅在其斜率，稱為匯合回歸(Concurrent Regressions)；(4) ?1??1，且?2??2 ，即兩個(gè)回歸完全不同，稱為相異回歸（Dissimilar Regressions）。

11、,可以運(yùn)用鄒氏結(jié)構(gòu)變化的檢驗(yàn)。這一問(wèn)題也可通過(guò)引入乘法形式的虛擬變量來(lái)解決。,將n1與n2次觀察值合并，并用以估計(jì)以下回歸：,Di為引入的虛擬變量：,于是有：,可分別表示1990年后期與前期的儲(chǔ)蓄函數(shù)。,在統(tǒng)計(jì)檢驗(yàn)中，如果?4=0的假設(shè)被拒絕，則說(shuō)明兩個(gè)時(shí)期中儲(chǔ)蓄函數(shù)的斜率不同。,具體的回歸結(jié)果為：,(-6.11) (22.89) (4.33) (-2.55),由?3與?4的t檢驗(yàn)可知：參

12、數(shù)顯著地不等于0，強(qiáng)烈示出兩個(gè)時(shí)期的回歸是相異的， 儲(chǔ)蓄函數(shù)分別為：,1990年前：,1990年后：,=0.9836,3、臨界指標(biāo)的虛擬變量的引入,在經(jīng)濟(jì)發(fā)生轉(zhuǎn)折時(shí)期，可通過(guò)建立臨界指標(biāo)的虛擬變量模型來(lái)反映。 例如，進(jìn)口消費(fèi)品數(shù)量Y主要取決于國(guó)民收入X的多少，中國(guó)在改革開(kāi)放前后，Y對(duì)X的回歸關(guān)系明顯不同。 這時(shí)，可以t*=1979年為轉(zhuǎn)折期，以1979年的國(guó)民收入Xt*為臨界值，設(shè)如下虛擬變量：,則進(jìn)口消費(fèi)

13、品的回歸模型可建立如下：,OLS法得到該模型的回歸方程為,則兩時(shí)期進(jìn)口消費(fèi)品函數(shù)分別為：,當(dāng)t<t*=1979年，,當(dāng)t?t*=1979年，,三、虛擬變量的設(shè)置原則,虛擬變量的個(gè)數(shù)須按以下原則確定： 每一定性變量所需的虛擬變量個(gè)數(shù)要比該定性變量的類別數(shù)少1，即如果有m個(gè)定性變量，只在模型中引入m-1個(gè)虛擬變量。 例。已知冷飲的銷售量Y除受k種定量變量Xk的影響外，還受春、夏、秋、冬四季變化的影響，要考察該四

14、季的影響，只需引入三個(gè)虛擬變量即可：,則冷飲銷售量的模型為：,在上述模型中，若再引入第四個(gè)虛擬變量,則冷飲銷售模型變量為：,其矩陣形式為：,如果只取六個(gè)觀測(cè)值，其中春季與夏季取了兩次，秋、冬各取到一次觀測(cè)值，則式中的：,顯然，(X,D)中的第1列可表示成后4列的線性組合，從而(X,D)不滿秩，參數(shù)無(wú)法唯一求出。 這就是所謂的“虛擬變量陷井”，應(yīng)避免。,§5.2 滯后變量模型,一、滯后變量模型 二、分布滯后模型的參

15、數(shù)估計(jì) 三、自回歸模型的參數(shù)估計(jì)四、格蘭杰因果關(guān)系檢驗(yàn),在經(jīng)濟(jì)運(yùn)行過(guò)程中，廣泛存在時(shí)間滯后效應(yīng)。某些經(jīng)濟(jì)變量不僅受到同期各種因素的影響，而且也受到過(guò)去某些時(shí)期的各種因素甚至自身的過(guò)去值的影響。,通常把這種過(guò)去時(shí)期的，具有滯后作用的變量叫做滯后變量（Lagged Variable），含有滯后變量的模型稱為滯后變量模型。 滯后變量模型考慮了時(shí)間因素的作用，使靜態(tài)分析的問(wèn)題有可能成為動(dòng)態(tài)分析。含有滯后解釋變量的模型，又稱動(dòng)態(tài)模

16、型（Dynamical Model）。,一、滯后變量模型,1、滯后效應(yīng)與與產(chǎn)生滯后效應(yīng)的原因,因變量受到自身或另一解釋變量的前幾期值影響的現(xiàn)象稱為滯后效應(yīng)。 表示前幾期值的變量稱為滯后變量。 如：消費(fèi)函數(shù) 通常認(rèn)為，本期的消費(fèi)除了受本期的收入影響之外，還受前1期，或前2期收入的影響： Ct=?0+?1Yt+?2Yt-1+?3Yt-2+?tYt-1，Yt-2為滯后變量。,產(chǎn)生滯后效

17、應(yīng)的原因,1、心理因素：人們的心理定勢(shì)，行為方式滯后于經(jīng)濟(jì)形勢(shì)的變化，如中彩票的人不可能很快改變其生活方式。 2、技術(shù)原因：如當(dāng)年的產(chǎn)出在某種程度上依賴于過(guò)去若干期內(nèi)投資形成的固定資產(chǎn)。 3、制度原因：如定期存款到期才能提取，造成了它對(duì)社會(huì)購(gòu)買力的影響具有滯后性。,2、滯后變量模型,以滯后變量作為解釋變量，就得到滯后變量模型。它的一般形式為：,q，s：滯后時(shí)間間隔,自回歸分布滯后模型（autoregressive dis

18、tributed lag model, ADL）：既含有Y對(duì)自身滯后變量的回歸，還包括著X分布在不同時(shí)期的滯后變量 有限自回歸分布滯后模型：滯后期長(zhǎng)度有限 無(wú)限自回歸分布滯后模型：滯后期無(wú)限，,（1）分布滯后模型（distributed-lag model）,分布滯后模型：模型中沒(méi)有滯后被解釋變量，僅有解釋變量X的當(dāng)期值及其若干期的滯后值：,?0：短期(short-run)或即期乘數(shù)(impact multiplier

19、)，表示本期X變化一單位對(duì)Y平均值的影響程度。 ?i (i=1,2…,s)：動(dòng)態(tài)乘數(shù)或延遲系數(shù)，表示各滯后期X的變動(dòng)對(duì)Y平均值影響的大小。,如果各期的X值保持不變，則X與Y間的長(zhǎng)期或均衡關(guān)系即為,稱為長(zhǎng)期（long-run）或均衡乘數(shù)（total distributed-lag multiplier），表示X變動(dòng)一個(gè)單位，由于滯后效應(yīng)而形成的對(duì)Y平均值總影響的大小。,2、自回歸模型（autoregressive model）,而,

20、稱為一階自回歸模型（first-order autoregressive model）。,自回歸模型：模型中的解釋變量?jī)H包含X的當(dāng)期值與被解釋變量Y的一個(gè)或多個(gè)滯后值,*滯后變量模型學(xué)習(xí)中就注意的幾個(gè)問(wèn)題,一、模型的選擇問(wèn)題。進(jìn)行動(dòng)態(tài)分析時(shí)，最好考慮變量的滯后問(wèn)題。二、滯后時(shí)期的長(zhǎng)短問(wèn)題。根據(jù)經(jīng)濟(jì)學(xué)理論和經(jīng)驗(yàn)做出主觀判斷。三、模型的結(jié)構(gòu)形式問(wèn)題。取決于試驗(yàn)性探索分析。四、模型的估計(jì)問(wèn)題。不中避免的會(huì)出現(xiàn)共線性問(wèn)題，應(yīng)該注意保證回歸

21、估計(jì)的精度。,2、分布滯后模型的修正估計(jì)方法,人們提出了一系列的修正估計(jì)方法，但并不很完善。 各種方法的基本思想大致相同：都是通過(guò)對(duì)各滯后變量加權(quán)，組成線性合成變量而有目的地減少滯后變量的數(shù)目，以緩解多重共線性，保證自由度。 (1)經(jīng)驗(yàn)加權(quán)法 根據(jù)實(shí)際問(wèn)題的特點(diǎn)、實(shí)際經(jīng)驗(yàn)給各滯后變量指定權(quán)數(shù)，滯后變量按權(quán)數(shù)線性組合，構(gòu)成新的變量。權(quán)數(shù)據(jù)的類型有：,遞減型：,即認(rèn)為權(quán)數(shù)是遞減的，X的近期值對(duì)Y的影響較遠(yuǎn)期值大

22、。 如消費(fèi)函數(shù)中，收入的近期值對(duì)消費(fèi)的影響作用顯然大于遠(yuǎn)期值的影響。 例如：滯后期為 3的一組權(quán)數(shù)可取值如下： 1/2， 1/4， 1/6， 1/8則新的線性組合變量為：,即認(rèn)為權(quán)數(shù)是相等的，X的逐期滯后值對(duì)值Y的影響相同。 如滯后期為3，指定相等權(quán)數(shù)為1/4，則新的線性組合變量為：,矩型：,權(quán)數(shù)先遞增后遞減呈倒“V”型。 例如：在一個(gè)較長(zhǎng)建設(shè)周期的投資中，歷年投資X為產(chǎn)出Y的影響，往往在

23、周期期中投資對(duì)本期產(chǎn)出貢獻(xiàn)最大。 如滯后期為4，權(quán)數(shù)可取為 1/6， 1/4， 1/2， 1/3， 1/5則新變量為,倒V型,例5.2.1 對(duì)一個(gè)分布滯后模型：,給定遞減權(quán)數(shù)：1/2， 1/4， 1/6， 1/8,令,原模型變?yōu)椋?該模型可用OLS法估計(jì)。假如參數(shù)估計(jì)結(jié)果為,=0.5,=0.8,則原模型的估計(jì)結(jié)果為：,經(jīng)驗(yàn)權(quán)數(shù)法的優(yōu)點(diǎn)是：簡(jiǎn)單易行 缺點(diǎn)是：設(shè)置權(quán)數(shù)的隨意性較大,通常的做法是： 多選幾組

24、權(quán)數(shù)，分別估計(jì)出幾個(gè)模型，然后根據(jù)常用的統(tǒng)計(jì)檢驗(yàn)（Ｒ方檢驗(yàn)，Ｆ檢驗(yàn)，t檢驗(yàn)，Ｄ-Ｗ檢驗(yàn)），從中選擇最佳估計(jì)式。,（2）阿爾蒙（Ａlmon）多項(xiàng)式法,主要思想：針對(duì)有限滯后期模型，通過(guò)阿爾蒙變換，定義新變量，以減少解釋變量個(gè)數(shù)，然后用OLS法估計(jì)參數(shù)。 主要步驟為： 第一步，阿爾蒙變換 對(duì)于分布滯后模型,假定其回歸系數(shù)?i可用一個(gè)關(guān)于滯后期i的適當(dāng)階數(shù)的多項(xiàng)式來(lái)表示，即:,i=0,1,…,s,其中，m<s-1。阿爾

25、蒙變換要求先驗(yàn)地確定適當(dāng)階數(shù)k，例如取k=2，得,（*）,將(*)代入分布滯后模型,得,定義新變量,將原模型轉(zhuǎn)換為：,第二步，模型的OLS估計(jì),對(duì)變換后的模型進(jìn)行OLS估計(jì)，得,再計(jì)算出:,求出滯后分布模型參數(shù)的估計(jì)值:,由于m+1<s，可以認(rèn)為原模型存在的自由度不足和多重共線性問(wèn)題已得到改善。,需注意的是，在實(shí)際估計(jì)中，阿爾蒙多項(xiàng)式的階數(shù)m一般取2或3，不超過(guò)4，否則達(dá)不到減少變量個(gè)數(shù)的目的。,例5.2.2 表5.2.1給出

26、了中國(guó)電力基本建設(shè)投資X與發(fā)電量Y的相關(guān)資料，擬建立一多項(xiàng)式分布滯后模型來(lái)考察兩者的關(guān)系。,由于無(wú)法預(yù)見(jiàn)知電力行業(yè)基本建設(shè)投資對(duì)發(fā)電量影響的時(shí)滯期，需取不同的滯后期試算。,（13.62）（1.86） （0.15） （-0.67）,求得的分布滯后模型參數(shù)估計(jì)值為,經(jīng)過(guò)試算發(fā)現(xiàn)，在2階阿爾蒙多項(xiàng)式變換下，滯后期數(shù)取到第6期，估計(jì)結(jié)果的經(jīng)濟(jì)意義比較合理。2階阿爾蒙多項(xiàng)式估計(jì)結(jié)果如下：,為了比較，下面給出直接對(duì)滯后6期的模型進(jìn)行OLS估計(jì)的結(jié)

27、果：,最后得到分布滯后模型估計(jì)式為：,（3）科伊克（Koyck）方法,科伊克方法是將無(wú)限分布滯后模型轉(zhuǎn)換為自回歸模型，然后進(jìn)行估計(jì)。 對(duì)于無(wú)限分布滯后模型：,科伊克變換假設(shè)?i隨滯后期i按幾何級(jí)數(shù)衰減：,其中，0<?<1，稱為分布滯后衰減率，1-?稱為調(diào)整速率（Speed of adjustment）。,科伊克變換的具體做法:,將科伊克假定?i=?0?i代入無(wú)限分布滯后模型，得,滯后一期并乘以? ，得,(*),將（*）

28、減去（**）得科伊克變換模型：,(**),整理得科伊克模型的一般形式：,科伊克模型的特點(diǎn)：,（1）以一個(gè)滯后因變量Yt-1代替了大量的滯后解釋變量Xt-i，最大限度地節(jié)省了自由度，解決了滯后期長(zhǎng)度s難以確定的問(wèn)題；（2）由于滯后一期的因變量Yt-1與Xt的線性相關(guān)程度可以肯定小于X的各期滯后值之間的相關(guān)程度，從而緩解了多重共線性。但科伊克變換也同時(shí)產(chǎn)生了兩個(gè)新問(wèn)題：（1）模型存在隨機(jī)項(xiàng)和vt的一階自相關(guān)性；（2）滯后被解釋變量Y

29、t-1與隨機(jī)項(xiàng)vt不獨(dú)立。這些新問(wèn)題需要進(jìn)一步解決。,三、自回歸模型的參數(shù)估計(jì),一個(gè)無(wú)限期分布滯后模型可以通過(guò)科伊克變換轉(zhuǎn)化為自回歸模型。事實(shí)上，許多滯后變量模型都可以轉(zhuǎn)化為自回歸模型，自回歸模型是經(jīng)濟(jì)生活中更常見(jiàn)的模型。以適應(yīng)預(yù)期模型以及局部調(diào)整模型為例進(jìn)行說(shuō)明。,1、自回歸模型的構(gòu)造,（1）自適應(yīng)預(yù)期（Adaptive expectation）模型,在某些實(shí)際問(wèn)題中，因變量Yt并不取決于解釋變量的當(dāng)前實(shí)際值Xt，而取決于Xt的

30、“預(yù)期水平”或“長(zhǎng)期均衡水平”Xte。 例如，家庭本期消費(fèi)水平，取決于本期收入的預(yù)期值； 市場(chǎng)上某種商品供求量，決定于本期該商品價(jià)格的均衡值。 因此，自適應(yīng)預(yù)期模型最初表現(xiàn)形式是,由于預(yù)期變量是不可實(shí)際觀測(cè)的，往往作如下自適應(yīng)預(yù)期假定:,其中：r為預(yù)期系數(shù)（coefficient of expectation）, 0?r ?1。 該式的經(jīng)濟(jì)含義為：“經(jīng)濟(jì)行為者將根據(jù)過(guò)去的經(jīng)驗(yàn)修改他們的預(yù)期”，即本期預(yù)期值的形成是

31、一個(gè)逐步調(diào)整過(guò)程，本期預(yù)期值的增量是本期實(shí)際值與前一期預(yù)期值之差的一部分，其比例為r 。 這個(gè)假定還可寫成：,將,代入,得,(*),將（*）式滯后一期并乘以(1-r),得,(**),以(*)減去（**），整理得,其中,可見(jiàn)自適應(yīng)預(yù)期模型轉(zhuǎn)化為自回歸模型。,（2）局部調(diào)整(Partial Adjustment)模型,局部調(diào)整模型主要是用來(lái)研究物資儲(chǔ)備問(wèn)題的。例如，企業(yè)為了保證生產(chǎn)和銷售，必須保持一定的原材料儲(chǔ)備。對(duì)應(yīng)于一定的產(chǎn)量或銷

32、售量Xt，存在著預(yù)期的最佳庫(kù)存Yte。局部調(diào)整模型的最初形式為,(9.3.7),Yte不可觀測(cè)。由于生產(chǎn)條件的波動(dòng)，生產(chǎn)管理方面的原因，庫(kù)存儲(chǔ)備Yt的實(shí)際變化量只是預(yù)期變化的一部分。,或：,(*),其中，?為調(diào)整系數(shù)，0? ? ?1 將(*)式代入,得,可見(jiàn)，局部調(diào)整模型轉(zhuǎn)化為自回歸模型,儲(chǔ)備按預(yù)定水平逐步進(jìn)行調(diào)整，故有如下局部調(diào)整假設(shè)：,2、自回歸模型的參數(shù)估計(jì),考伊克模型：,對(duì)于自回歸模型,估計(jì)時(shí)的主要問(wèn)題：滯后被解釋變量的存

33、在可能導(dǎo)致它與隨機(jī)擾動(dòng)項(xiàng)相關(guān)，以及隨機(jī)擾動(dòng)項(xiàng)出現(xiàn)序列相關(guān)性。,自適應(yīng)預(yù)期模型：,顯然存在：,局部調(diào)整模型：,存在：滯后被解釋變量Yt-1與隨機(jī)擾動(dòng)項(xiàng)??t的異期相關(guān)性。,因此，對(duì)自回歸模型的估計(jì)主要需視滯后被解釋變量與隨機(jī)擾動(dòng)項(xiàng)的不同關(guān)系進(jìn)行估計(jì)。 以一階自回歸模型為例說(shuō)明:,(1) 工具變量法,若Yt-1與?t同期相關(guān)，則OLS估計(jì)是有偏的，并且不是一致估計(jì)。 因此，對(duì)上述模型，通常采用工具變量法，即尋找一個(gè)新的經(jīng)濟(jì)變量Zt

34、，用來(lái)代替Yt-1。 參數(shù)估計(jì)量具有一致性。,對(duì)于一階自回歸模型,在實(shí)際估計(jì)中，一般用X的若干滯后的線性組合作為Yt-1的工具變量:,由于原模型已假設(shè)隨機(jī)擾動(dòng)項(xiàng)?t與解釋變量X及其滯后項(xiàng)不存在相關(guān)性，因此上述工具變量與?t不再線性相關(guān)。 一個(gè)更簡(jiǎn)單的情形是直接用Xt-1作為Yt-1的工具變量。,（2）普通最小二乘法,若滯后被解釋變量Yt-1與隨機(jī)擾動(dòng)項(xiàng)?t同期無(wú)關(guān)（如局部調(diào)整模型），可直接使用OLS法進(jìn)行估計(jì)，得到一致估計(jì)

35、量。,上述工具變量法只解決了解釋變量與?t相關(guān)對(duì)參數(shù)估計(jì)所造成的影響，但沒(méi)有解決?t的自相關(guān)問(wèn)題。事實(shí)上，對(duì)于自回歸模型， ?t項(xiàng)的自相關(guān)問(wèn)題始終存在，對(duì)于此問(wèn)題，至今沒(méi)有完全有效的解決方法。唯一可做的，就是盡可能地建立“正確”的模型，以使序列相關(guān)性的程度減輕。,注意：,例5.2.3 建立中國(guó)長(zhǎng)期貨幣流通量需求模型,經(jīng)驗(yàn)表明：中國(guó)改革開(kāi)放以來(lái)，對(duì)貨幣需求量(Y)的影響因素，主要有資金運(yùn)用中的貸款額(X)以及反映價(jià)格變化的居民消費(fèi)者價(jià)

36、格指數(shù)(P)。,長(zhǎng)期貨幣流通量模型可設(shè)定為,由于長(zhǎng)期貨幣流通需求量不可觀測(cè)，作局部調(diào)整:,(*),(**),將（*）式代入（**）得短期貨幣流通量需求模型：,對(duì)局部調(diào)整模型,運(yùn)用OLS法估計(jì)結(jié)果如下,（-2.93）(2.86) (3.10) (2.87),最后得到長(zhǎng)期貨幣流通需求模型的估計(jì)式：,注意：,盡管D.W.=1.733，但不能據(jù)此判斷自回歸模型不存在自相關(guān)(Why?)。 但 LM=0.7855， ?=

37、5%下，臨界值?2(1)=3.84， 判斷：模型已不存在一階自相關(guān)。,如果直接對(duì)下式作OLS回歸,（-4.81） (58.79) (5.05),得,可見(jiàn)該模型隨機(jī)擾動(dòng)項(xiàng)具有序列相關(guān)性，,四、格蘭杰因果關(guān)系檢驗(yàn),自回歸分布滯后模型旨在揭示：某變量的變化受其自身及其他變量過(guò)去行為的影響。然而，許多經(jīng)濟(jì)變量有著相互的影響關(guān)系,GDP,,消費(fèi),問(wèn)題：當(dāng)兩個(gè)變量在時(shí)間上有先導(dǎo)——滯后關(guān)系時(shí)，能否從統(tǒng)計(jì)上考察這種關(guān)系是單向的還是雙向的

38、？即:主要是一個(gè)變量過(guò)去的行為在影響另一個(gè)變量的當(dāng)前行為呢？還是雙方的過(guò)去行為在相互影響著對(duì)方的當(dāng)前行為？,格蘭杰因果關(guān)系檢驗(yàn)（Granger test of causality）,對(duì)兩變量Y與X，格蘭杰因果關(guān)系檢驗(yàn)要求估計(jì):,(*),(**),可能存在有四種檢驗(yàn)結(jié)果：（1）X對(duì)Y有單向影響，表現(xiàn)為（*）式X各滯后項(xiàng)前的參數(shù)整體不為零，而Y各滯后項(xiàng)前的參數(shù)整體為零；（2）Y對(duì)X有單向影響，表現(xiàn)為（**）式Y(jié)各滯后項(xiàng)前的參數(shù)整體不為

39、零，而X各滯后項(xiàng)前的參數(shù)整體為零；,（3）Y與X間存在雙向影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體不為零；,（4）Y與X間不存在影響，表現(xiàn)為Y與X各滯后項(xiàng)前的參數(shù)整體為零。,格蘭杰檢驗(yàn)是通過(guò)受約束的F檢驗(yàn)完成的。如:,針對(duì),中X滯后項(xiàng)前的參數(shù)整體為零的假設(shè)(X不是Y的格蘭杰原因),分別做包含與不包含X滯后項(xiàng)的回歸，記前者與后者的殘差平方和分別為RSSU、RSSR；再計(jì)算F統(tǒng)計(jì)量：,k為無(wú)約束回歸模型的待估參數(shù)的個(gè)數(shù)。,如果: F>F

40、?(m,n-k) ，則拒絕原假設(shè)，認(rèn)為X是Y的格蘭杰原因。,注意： 格蘭杰因果關(guān)系檢驗(yàn)對(duì)于滯后期長(zhǎng)度的選擇有時(shí)很敏感。不同的滯后期可能會(huì)得到完全不同的檢驗(yàn)結(jié)果。 因此，一般而言，常進(jìn)行不同滯后期長(zhǎng)度的檢驗(yàn)，以檢驗(yàn)?zāi)Ｐ椭须S機(jī)誤差項(xiàng)不存在序列相關(guān)的滯后期長(zhǎng)度來(lái)選取滯后期。,例5.2.4 檢驗(yàn)1978~2000年間中國(guó)當(dāng)年價(jià)GDP與居民消費(fèi)CONS的因果關(guān)系。,取兩階滯后，Eviews給出的估計(jì)結(jié)果為：,判斷：?=5%，臨界值F0

41、.05(2,17)=3.59拒絕“GDP不是CONS的格蘭杰原因”的假設(shè)，不拒絕“CONS不是GDP的格蘭杰原因”的假設(shè)。 因此，從2階滯后的情況看，GDP的增長(zhǎng)是居民消費(fèi)增長(zhǎng)的原因，而不是相反。 但在2階滯后時(shí)，檢驗(yàn)的模型存在1階自相關(guān)性。,隨著滯后階數(shù)的增加，拒絕“GDP是居民消費(fèi)CONS的原因”的概率變大，而拒絕“居民消費(fèi)CONS是GDP的原因”的概率變小。 如果同時(shí)考慮檢驗(yàn)?zāi)Ｐ偷男蛄邢嚓P(guān)性以及赤池信息

42、準(zhǔn)則，發(fā)現(xiàn)：滯后4階或5階的檢驗(yàn)?zāi)Ｐ筒痪哂?階自相關(guān)性，而且也擁有較小的AIC值，這時(shí)判斷結(jié)果是:GDP與CONS有雙向的格蘭杰因果關(guān)系，即相互影響。,分析：,§5.3 模型設(shè)定偏誤問(wèn)題,一、模型設(shè)定偏誤的類型 二、模型設(shè)定偏誤的后果 三、模型設(shè)定偏誤的檢驗(yàn),一、模型設(shè)定偏誤的類型,模型設(shè)定偏誤主要有兩大類:(1)關(guān)于解釋變量選取的偏誤，主要包括漏選相關(guān)變量和多選無(wú)關(guān)變量，(2)關(guān)于模型函數(shù)形式選取的偏誤。,1、相關(guān)變

43、量的遺漏 （omitting relevant variables）,例如，如果“正確”的模型為,而我們將模型設(shè)定為,即設(shè)定模型時(shí)漏掉了一個(gè)相關(guān)的解釋變量。這類錯(cuò)誤稱為遺漏相關(guān)變量。,動(dòng)態(tài)設(shè)定偏誤（dynamic mis-specification）:遺漏相關(guān)變量表現(xiàn)為對(duì)Y或X滯后項(xiàng)的遺漏 。,2、無(wú)關(guān)變量的誤選 (including irrevelant variables),例如，如果 Y=?0+

44、?1X1+?2X2+?仍為“真”，但我們將模型設(shè)定為 Y=?0+ ?1X1+ ?2X2+ ?3X3 +?,即設(shè)定模型時(shí)，多選了一個(gè)無(wú)關(guān)解釋變量。,3、錯(cuò)誤的函數(shù)形式 (wrong functional form),例如，如果“真實(shí)”的回歸函數(shù)為,但卻將模型設(shè)定為,二、模型設(shè)定偏誤的后果,當(dāng)模型設(shè)定出現(xiàn)偏誤時(shí)，模型估計(jì)結(jié)果也會(huì)與“實(shí)際”有偏差。這種偏差的性質(zhì)與程度與模型設(shè)定偏誤的類型密切相關(guān)。,1、遺漏

45、相關(guān)變量偏誤,采用遺漏相關(guān)變量的模型進(jìn)行估計(jì)而帶來(lái)的偏誤稱為遺漏相關(guān)變量偏誤（omitting relevant variable bias）。,設(shè)正確的模型為 Y=?0+?1X1+?2X2+?卻對(duì) Y=?0+ ?1X1+v進(jìn)行回歸，得,將正確模型 Y=?0+?1X1+?2X2+? 的離差形式,代入,得,(1)如果漏掉的X2與X1相關(guān)，則上式中的第二項(xiàng)在小樣本下求期望與

46、大樣本下求概率極限都不會(huì)為零，從而使得OLS估計(jì)量在小樣本下有偏，在大樣本下非一致。,(2)如果X2與X1不相關(guān)，則?1的估計(jì)滿足無(wú)偏性與一致性；但這時(shí)?0的估計(jì)卻是有偏的。,由 Y=?0+ ?1X1+v 得,由 Y=?0+?1X1+?2X2+? 得,如果X2與X1相關(guān)，顯然有,如果X2與X1不相關(guān)，也有,Why?,2、包含無(wú)關(guān)變量偏誤,采用包含無(wú)關(guān)解釋變量的模型進(jìn)行估計(jì)帶來(lái)的偏誤，稱為包含無(wú)關(guān)變量偏誤（including irrele

47、vant variable bias）。,設(shè) Y=?0+ ?1X1+v (*) 為正確模型，但卻估計(jì)了 Y=?0+?1X1+?2X2+? (**),如果?2=0，則(**)與(*)相同，因此，可將(**)式視為以?2=0為約束的(*)式的特殊形式。,由于所有的經(jīng)典假設(shè)都滿足，因此對(duì)

48、 Y=?0+?1X1+?2X2+? (**)式進(jìn)行OLS估計(jì)，可得到無(wú)偏且一致的估計(jì)量。,但是，OLS估計(jì)量卻不具有最小方差性。,Y=?0+ ?1X1+v 中X1的方差:,Y=?0+?1X1+?2X2+? 中X1的方差:,當(dāng)X1與X2完全線性無(wú)關(guān)時(shí):,否則：,注意：,3、錯(cuò)誤函數(shù)形式的偏誤,當(dāng)選取了錯(cuò)誤函數(shù)形式并對(duì)其進(jìn)行估計(jì)時(shí)，帶來(lái)的偏誤稱錯(cuò)誤函數(shù)形式偏誤（wrong functional form

49、bias）。 容易判斷，這種偏誤是全方位的。,例如，如果“真實(shí)”的回歸函數(shù)為,卻估計(jì)線性式,顯然，兩者的參數(shù)具有完全不同的經(jīng)濟(jì)含義，且估計(jì)結(jié)果一般也是不相同的。,三、模型設(shè)定偏誤的檢驗(yàn),1、檢驗(yàn)是否含有無(wú)關(guān)變量,可用t 檢驗(yàn)與F檢驗(yàn)完成。 檢驗(yàn)的基本思想:如果模型中誤選了無(wú)關(guān)變量，則其系數(shù)的真值應(yīng)為零。因此，只須對(duì)無(wú)關(guān)變量系數(shù)的顯著性進(jìn)行檢驗(yàn)。 t檢驗(yàn)：檢驗(yàn)?zāi)?個(gè)變量是否應(yīng)包括在模型中； F檢驗(yàn)：檢驗(yàn)若干個(gè)變量是否應(yīng)同

50、時(shí)包括在模型中,2、檢驗(yàn)是否有相關(guān)變量的遺漏或函數(shù)形式設(shè)定偏誤,（1）殘差圖示法,殘差序列變化圖,（a）趨勢(shì)變化 ：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而持續(xù)上升的變量,（b）循環(huán)變化：模型設(shè)定時(shí)可能遺漏了一隨著時(shí)間的推移而呈現(xiàn)循環(huán)變化的變量,模型函數(shù)形式設(shè)定偏誤時(shí)殘差序列呈現(xiàn)正負(fù)交替變化,圖示：一元回歸模型中，真實(shí)模型呈冪函數(shù)形式，但卻選取了線性函數(shù)進(jìn)行回歸。,（2）一般性設(shè)定偏誤檢驗(yàn),但更準(zhǔn)確更常用的判定方法是拉姆齊(Ramsey)

51、于1969年提出的所謂RESET 檢驗(yàn)（regression error specification test）。 基本思想： 如果事先知道遺漏了哪個(gè)變量，只需將此變量引入模型，估計(jì)并檢驗(yàn)其參數(shù)是否顯著不為零即可； 問(wèn)題是不知道遺漏了哪個(gè)變量，需尋找一個(gè)替代變量Z，來(lái)進(jìn)行上述檢驗(yàn)。 RESET檢驗(yàn)中，采用所設(shè)定模型中被解釋變量Y的估計(jì)值?的若干次冪來(lái)充當(dāng)該“替代”變量。,例如，先估計(jì) Y=?0+ ?1

52、X1+v 得,再根據(jù)第三章第五節(jié)介紹的增加解釋變量的F檢驗(yàn)來(lái)判斷是否增加這些“替代”變量。 若僅增加一個(gè)“替代”變量，也可通過(guò)t檢驗(yàn)來(lái)判斷。,例如，在一元回歸中，假設(shè)真實(shí)的函數(shù)形式是非線性的，用泰勒定理將其近似地表示為多項(xiàng)式：,RESET檢驗(yàn)也可用來(lái)檢驗(yàn)函數(shù)形式設(shè)定偏誤的問(wèn)題。,因此，如果設(shè)定了線性模型，就意味著遺漏了相關(guān)變量X12、 X13 ，等等。 因此，在一元回歸中，可通過(guò)檢驗(yàn)(*)式中的各高次冪參數(shù)的顯著性來(lái)判

53、斷是否將非線性模型誤設(shè)成了線性模型。,（*）,對(duì)多元回歸，非線性函數(shù)可能是關(guān)于若干個(gè)或全部解釋變量的非線性，這時(shí)可按遺漏變量的程序進(jìn)行檢驗(yàn)。,例如，估計(jì) Y=?0+?1X1+?2X2+?但卻懷疑真實(shí)的函數(shù)形式是非線性的。,這時(shí)，只需以估計(jì)出的?的若干次冪為“替代”變量，進(jìn)行類似于如下模型的估計(jì),再判斷各“替代”變量的參數(shù)是否顯著地不為零即可。,例5.3.1：在§4.3商品進(jìn)口的例中,估計(jì)了中國(guó)商品進(jìn)口M與GDP的關(guān)系，

54、并發(fā)現(xiàn)具有強(qiáng)烈的一階自相關(guān)性。 然而，由于僅用GDP來(lái)解釋商品進(jìn)口的變化，明顯地遺漏了諸如商品進(jìn)口價(jià)格、匯率等其他影響因素。因此，序列相關(guān)性的主要原因可能就是建模時(shí)遺漏了重要的相關(guān)變量造成的。 下面進(jìn)行RESET檢驗(yàn)。,用原回歸模型估計(jì)出商品進(jìn)口序列,R2=0.9484,（-0.085） （8.274） （-6.457） （6.692） R2=0.9842,在?=5%下，查得臨界值F0.0

55、5(2, 20)=3.49判斷：拒絕原模型與引入新變量的模型可決系數(shù)無(wú)顯著差異的假設(shè)，表明原模型確實(shí)存在遺漏相關(guān)變量的設(shè)定偏誤。,*（3）同期相關(guān)性的豪斯蔓（Hausman）檢驗(yàn),由于在遺漏相關(guān)變量的情況下，往往導(dǎo)致解釋變量與隨機(jī)擾動(dòng)項(xiàng)出現(xiàn)同期相關(guān)性，從而使得OLS估計(jì)量有偏且非一致。 因此，對(duì)模型遺漏相關(guān)變量的檢驗(yàn)可以用模型是否出現(xiàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)性的檢驗(yàn)來(lái)替代。這就是豪斯蔓檢驗(yàn)（1978）的主要思想。,當(dāng)解釋變

56、量與隨機(jī)擾動(dòng)項(xiàng)同期相關(guān)時(shí)，通過(guò)工具變量法可得到參數(shù)的一致估計(jì)量。 而當(dāng)解釋變量與隨機(jī)擾動(dòng)項(xiàng)同期無(wú)關(guān)時(shí)， OLS估計(jì)量就可得到參數(shù)的一致估計(jì)量。,因此，只須檢驗(yàn)IV估計(jì)量與OLS估計(jì)量是否有顯著差異來(lái)檢驗(yàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)是否同期無(wú)關(guān)。,對(duì)一元線性回歸模型 Y=?0+?1X+?,所檢驗(yàn)的假設(shè)是 H0：X與?無(wú)同期相關(guān)。,設(shè)一元樣本回歸模型為,以Z為工具變量，則IV估計(jì)量為：,(*),(*)式表明，IV估計(jì)量與

57、OLS估計(jì)量無(wú)差異當(dāng)且僅當(dāng)?ziei=0，即工具變量與OLS估計(jì)的殘差項(xiàng)無(wú)關(guān)。,檢驗(yàn)時(shí)，求Y關(guān)于X與Z的OLS回歸式：,在實(shí)際檢驗(yàn)中，豪斯蔓檢驗(yàn)主要針對(duì)多元回歸進(jìn)行，而且也不是直接對(duì)工具變量回歸，而是對(duì)以各工具變量為自變量、分別以各解釋變量為因變量進(jìn)行回歸。,如對(duì)二元回歸模型,通過(guò)增加解釋變量的F檢驗(yàn)，檢驗(yàn)聯(lián)合假設(shè)： H0：?1=?2=0 。 拒絕原假設(shè)，就意味著（*）式中的解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)。,(*),（4）線性模型與雙對(duì)數(shù)

58、線性模型的選擇,無(wú)法通過(guò)判定系數(shù)的大小來(lái)輔助決策，因?yàn)樵趦深惸Ｐ椭斜唤忉屪兞渴遣煌摹?為了在兩類模型中比較，可用Box-Cox變換:,第一步，計(jì)算Y的樣本幾何均值。,第二步，用得到的樣本幾何均值去除原被解釋變量Y，得到被解釋變量的新序列Y*。,第三步，用Y*替代Y，分別估計(jì)雙對(duì)數(shù)線性模型與線性模型。并通過(guò)比較它們的殘差平方和是否有顯著差異來(lái)進(jìn)行判斷。,其中，RSS1與RSS2分別為對(duì)應(yīng)的較大的殘差平方和與較小的殘差平方和，n為樣

59、本容量。,可以證明：該統(tǒng)計(jì)量在兩個(gè)回歸的殘差平方和無(wú)差異的假設(shè)下服從自由度為1 的?2分布。 因此，拒絕原假設(shè)時(shí)，就應(yīng)選擇RSS2的模型。,Zarembka（1968）提出的檢驗(yàn)統(tǒng)計(jì)量為：,例5.3.2 在§4.3中國(guó)商品進(jìn)口的例中， 采用線性模型: R2=0.948; 采用雙對(duì)數(shù)線性模型: R2=0.973， 但不能就此簡(jiǎn)單地判斷雙對(duì)數(shù)線性模型優(yōu)于線性模型。下面進(jìn)行Box-Cox變換。,計(jì)算原商品

60、進(jìn)口樣本的幾何平均值為：,計(jì)算出新的商品進(jìn)口序列：,以Mt*替代Mt，分別進(jìn)行雙對(duì)數(shù)線性模型與線性模型的回歸，得：,RSS1=0.5044,RSS2=1.5536,于是，,在?=5%下，查得臨界值?20.05(1)=3.841判斷：拒絕原假設(shè)，表明雙對(duì)數(shù)線性模型確實(shí)“優(yōu)于”線性模型。,四、誤差變量模型,一、誤差變量應(yīng)該稱其為變量的誤差，它專門指在決定變量取值的時(shí)候，因?yàn)檫@樣或那樣的原因，導(dǎo)致變量的觀察值同其實(shí)際數(shù)量狀態(tài)不一致的情況，也

61、即變量取值發(fā)生的誤差。二、樣本資料出現(xiàn)誤差的原因 1、測(cè)量不準(zhǔn)確 2、登記性誤差 3、數(shù)據(jù)資料編輯和修整形成的誤差 4、變量的替代問(wèn)題。,三、變量誤差與隨機(jī)項(xiàng)的區(qū)別 1、誤差的大小是隨機(jī)項(xiàng)與變量誤差的主要區(qū)別之一 2、隨機(jī)項(xiàng)的影響雖然會(huì)干擾數(shù)量方面的認(rèn)識(shí)，但它還有另外值得肯定的一面，即有利于保持模型的簡(jiǎn)潔性，同時(shí)也有利于增加模型描述的客觀性；變量取值的粗大誤差沒(méi)有其他方面的好處，只會(huì)造成分析的困難，導(dǎo)致模型

62、估計(jì)性質(zhì)的改變。 解釋變量的取值如果存在誤差，可能會(huì)使它具有一定的隨機(jī)性。因此，在計(jì)量經(jīng)濟(jì)學(xué)中，有的人把存在誤差的解釋變量看成是隨機(jī)變量。但從本質(zhì)上看，隨機(jī)解釋變量與解釋變量誤差還是有差別的。,四、誤差產(chǎn)生的后果 1、被解釋變量的計(jì)量誤差 被解釋變量有測(cè)量誤差時(shí)，并不影響回歸系數(shù)的線性性和無(wú)偏性，但會(huì)使誤差變大。 2、解釋變量的計(jì)量誤差 有偏、不一致 3、

63、被解釋變量和解釋變量同時(shí)具有測(cè)量誤差 有偏、不一致,五、誤差變量模型的估計(jì),一、逆最小二乘法 被解釋變量的計(jì)量誤差不會(huì)產(chǎn)生嚴(yán)重后果，關(guān)鍵是解釋變量的觀察誤差。如果被解釋變量的計(jì)量誤差可以忽略，用該方法。二、二點(diǎn)法 被解釋變量與解釋變量的計(jì)量誤差均很嚴(yán)重時(shí)，用二點(diǎn)法。 1、將解釋變量的觀察值按從小到大的順序進(jìn)行排列，然后把它們等分成兩組。 2、將被解釋變量的觀察值按解

64、釋變量的順序進(jìn)行相應(yīng)調(diào)整。 3、分別計(jì)算分組后資料的平均數(shù)。 4、以兩組x和y的平均數(shù)為直角坐標(biāo)系中的點(diǎn)，可以得參數(shù)的估計(jì)值。三、三點(diǎn)法、加權(quán)最小二乘法和工具變量法。,§5.4 從傳統(tǒng)建模理論到約化建模理論,一、傳統(tǒng)建模理論與數(shù)據(jù)開(kāi)采問(wèn)題 二、“從一般到簡(jiǎn)單”——約化建模型理論 三、非嵌套假設(shè)檢驗(yàn) 四、約化模型的準(zhǔn)則,亨德瑞的約化建模理論，吸收了向量自回歸建模法與協(xié)整理論的部分內(nèi)容，提出了“從一般到簡(jiǎn)

65、單”的建模思想，在現(xiàn)代計(jì)量經(jīng)濟(jì)建模理論方面有著較大影響。,20世紀(jì)70年代中葉以來(lái)，計(jì)量經(jīng)濟(jì)學(xué)建模方法與建模理論得到了迅速發(fā)展。出現(xiàn)了利莫爾（Leamer）的貝葉斯建模方法，西姆斯（Sims）的向量自回歸建模型法、亨德瑞（Hendry）的約化建模理論以及第10章將要學(xué)習(xí)的協(xié)整建模理論。這些現(xiàn)代建模理論是在對(duì)傳統(tǒng)建模理論的不斷質(zhì)疑與修正中發(fā)展起來(lái)的，,一、傳統(tǒng)建模理論與數(shù)據(jù)開(kāi)采問(wèn)題,傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的主導(dǎo)建模理論是“結(jié)構(gòu)模型方法論”：

66、 以先驗(yàn)給定的經(jīng)濟(jì)理論為建立模型的出發(fā)點(diǎn)， 以模型參數(shù)的估計(jì)為重心， 以參數(shù)估計(jì)值與其理論預(yù)期值相一致為判斷標(biāo)準(zhǔn)， 是一個(gè)“從簡(jiǎn)單到復(fù)雜”的建模過(guò)程（simple-to-general approach）:,對(duì)不同變量及其數(shù)據(jù)的償試與篩選過(guò)程.,這種傳統(tǒng)的建模方法卻有著某些固有的缺陷。其中備受質(zhì)疑的是這種建模過(guò)程的所謂“數(shù)據(jù)開(kāi)采”（Data minimg）問(wèn)題。,數(shù)據(jù)開(kāi)采:對(duì)不同變量及其數(shù)據(jù)的償試與篩選,這一過(guò)程對(duì)最終

67、選擇的變量的t檢驗(yàn)產(chǎn)生較大影響 當(dāng)在眾多備選變量中選擇變量進(jìn)入模型時(shí)，其中t檢驗(yàn)的真實(shí)的顯著性水平已不再是事先給出的名義顯著性水平。 顯著性水平意味著將一個(gè)無(wú)關(guān)變量作為相關(guān)變量選入模型而犯錯(cuò)誤的概率。,羅維爾（Lovell）給出了一個(gè)從c個(gè)備選變量中選取k個(gè)變量進(jìn)入模型時(shí)，真實(shí)顯著性水平?*與名義顯著性水平?的關(guān)系： ?*=1-(1- ?)c/k,如： 給定?=5%，如果有2個(gè)相互

68、獨(dú)立且與被解釋變量無(wú)關(guān)的備選變量，誤選一個(gè)進(jìn)入模型的概率就成了 1-(1-0.05)2=0.0975,傳統(tǒng)建模方法的另一問(wèn)題是它的“隨意性”。 其結(jié)果是：對(duì)同一研究對(duì)象，使用同一數(shù)據(jù)，但不同的建模者往往得出不同的最終模型。,二、“從一般到簡(jiǎn)單”——約化建模型理論,該理論認(rèn)為：在模型的最初設(shè)定上，就設(shè)立一個(gè)“一般”的模型，它包括了所有先驗(yàn)經(jīng)濟(jì)理論與假設(shè)中所應(yīng)包括的全部變量，各種可能的“簡(jiǎn)單”模型都被“嵌套”（nested）在這個(gè)“

69、一般”的模型之中。然后在模型的估計(jì)過(guò)程中逐漸剔除不顯著的變量，最后得到一個(gè)較“簡(jiǎn)單”的最終模型。 這就是所謂的“從一般到簡(jiǎn)單”（general-to-specific）的建模理論。,(1)約化建模理論提出了一個(gè)對(duì)不同先驗(yàn)假設(shè)的更為系統(tǒng)的檢驗(yàn)程序； (2) 初始模型就是一個(gè)包括所有可能變量的“一般”模型，也就避免了過(guò)度的“數(shù)據(jù)開(kāi)采”問(wèn)題； (3)由于初始模型的“一般”性，所有研究者的“起點(diǎn)”都有是相同的，因此，在相同的約化程